采用曲线边缘法对船舶子轨迹分段

港控/mmm° 2023-10-04 17:11 14阅读 0赞

### 采用曲线边缘法对船舶子轨迹分段 ###

对于子轨迹分段，论文“一种顾及时间特征的船舶轨迹DBSCAN聚类算法”采用了通过OD(Origin-Destination)、SP(Stay-Point)、TF(Trajectory Feature)进行分段，其中OD是轨迹的首尾点，SP是停泊点，TF通过曲线边缘检测法得到

#### 曲线边缘检测法： ####

1）假如给定一组船舶轨迹，轨迹集合D(P1(x1,y1), P2(x2,y2), P3(x3,y3), P4(x4,y4)…)，P1,P2,P3,P4是轨迹上相继的四个点，首先连接轨迹P1和P2构成一条关于轨迹的正向直线T12。则T12对应的正向直线方程为：

T12(x,y) = (y2 - y1)(x - x1) + (y - y1)(x2 - x1)

2）计算轨迹点P3关于正向直线方程T12的值，若T12(x3,y3)<0,则称轨迹点P3是关于正向直线的内点；若T12(x3,y3)>0,则称轨迹点P3是关于正向直线的外点

3）连接轨迹P2和P3构成一条关于轨迹的正向直线T23。则T12对应的正向直线方程为：

T23(x,y) = (y3 - y2)(x - x2) + (y - y2)(x3 - x2)

4）计算轨迹点P4关于正向直线方程T23的值，若T23(x4,y4)<0,则称轨迹点P4是关于正向直线的内点；若T23(x4,y4)>0,则称轨迹点P4是关于正向直线的外点

5）若T12(x3,y3)\*T23(x4,y4)<0，说明轨迹在(x3,y3)处方向有所改变，则轨迹点P3为特征点，即是TF点

6）然后根据OD、SP、TF进行分段

#### 划分步骤 ####

1）首先对同一MMSI数据按照时间从小到大排序

2）将speed<3Kn的数据点标记为停泊点

3）将start和end标记为OD

4）计算特征点TF

假设一个船舶的数据集为D(P1,P2,…,Pn)，遍历集合D

for i in D:
        if i is start || end: 	
            i.table = 1	#OD
        if i.speed < 3 and i.next.speed < 3:
            D.remove(i.next)
            i.table = 2 #SP

假设标记OD、SP的数据都放到了集合S中

for j in S:
        if j != 1 && j != 2:
            T12(P3) = (j2.lat - j1.lat)(j3.lon - j1.lon) + (j3.lat - j1.lat)(j2.lon - j1.lon)
            T23(P3) = (j3.lat - j2.lat)(j4.lon - j2.lon) + (j4.lat - j2.lat)(j3.lon - j2.lon)
            if(T12(P3) * T23(P4 < 0)	j3.table = 2	#TF

假设结果存放在了结合P中，划分子轨迹段

is split = true
    for q in P:
        if(q == 1 | 2 |):
            split = !split
        collect q.subTraject = mmsi+mark
        array[mark].add

假设切分之后的子轨迹段都存放在了二维数组array中，将子轨迹分文件存储

for i in array:
        file = open("path/i.txt")
        for j in i:
           file.write(j) 
        file.close()

#### MapReduce实现 ####

以上都属于是在python中实现，在测试的时候完全没有问题，但是涉及到大数据量的时候，就会出现性能的瓶颈和运算速率的限制。所以可以采集分布式的计算框架MapReduce上实现

MapReduce包括map阶段和reduce阶段，在map阶段读取文件，处理之后传入到reduce阶段，传入到reduce阶段的数据是一组相同key的数据，所以就可以很方便的将同一MMSI类型的数据放入到reduce中进行处理

**map方法**

public map(LongWritable, Text, Text, Bean){
        
        if(bean.speed > 3){
           
            Text -> Bean;
            write(outK, outV);
        }
    }

**reduce方法**

reduce(Text, Bean, NullWritable, Bean){
        
        // 二维数组索引
        int index = 0;
    	for(int i = 0; i < Bean.length(); i++){
        
            // 是第一个或者最后一个标签赋予1
            if(i == 0 || i == Bean.length() - 1) bean.table = 1;
            // 数据添加到二维数组中
            list[index].append(bean);
            // 如果时间超限，则定义为特征点
            if(bean.time < 6min && bean.pre.speed > 6min){
        
                // 时间超限的标签为2
                bean.table = 2;
                // 判断轨迹点个数,大于10个将二维数组索引后移，否则舍去此子轨迹
                if(list[index].size > 10)	index += 1 else list[index].size.clear(); 
            }
            // 根据曲线边缘检测法求得特征点TF
            double T12(P3) = (j2.lat - j1.lat)(j3.lon - j1.lon) + (j3.lat - j1.lat)(j2.lon - j1.lon);
            double T23(P3) = (j3.lat - j2.lat)(j4.lon - j2.lon) + (j4.lat - j2.lat)(j3.lon - j2.lon);
            // 判断是否为特征点
            if(T12(P3) * T23(P4 < 0){
        
                // 赋予标签2
                j3.table = 2;	
                // 判断轨迹点个数,大于10个将二维数组索引后移，否则舍去此子轨迹
                if(list[index].size > 10)	index += 1 else list[index].size.clear() 
            }	
        }
    }

#### **自定义OutputFormat** ####

按照子轨迹进行输出，则需要自定义输出方式